问题标签 [onnx]

我正在尝试使用tf2onnx工具将 facenet 模型（20170512-110547.pb）转换为 onnx 格式。但是当我尝试使用此命令进行转换时

它给了我这个错误

ValueError：ValueError：您传入了一个可迭代的属性，但我无法确定它的适用类型。

完整的错误日志

我只有.pb文件和tf2onnx工具。

如果有人能花时间回答这个问题，我将不胜感激！谢谢你。

我正在尝试使用以下代码将此链接中的 pytorch 模型转换为 onnx 模型：

但是我收到以下错误（抱歉，stackoverflow 下方的块引用不会让整个跟踪采用代码格式，也不会让问题以其他方式发布）：

第 132 行，在导出 strip_doc_string，dynamic_axes) 文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\onnx\utils.py”，第 64 行，在导出 example_outputs= example_outputs、strip_doc_string=strip_doc_string、dynamic_axes=dynamic_axes) 文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\onnx\utils.py”，第 329 行，在 _export _retain_param_name , do_constant_folding) 文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\onnx\utils.py”，第 213 行，在 _model_to_graph 图中，torch_out = _trace_and_get_graph_from_model(model,参数，培训）文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\onnx\utils.py”，第 171 行，在 _trace_and_get_graph_from_model 跟踪中，torch_out = torch.jit.get_trace_graph(model, args, _force_outplace=True) 文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\ jit__init__.py”，第 256 行，在 get_trace_graph 返回 LegacyTracedModule(f, _force_outplace, return_inputs)(*args, **kwargs) 文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site- packages\torch\nn\modules\module.py"，第 547 行，在_force_outplace, return_inputs)(*args, **kwargs) 文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\nn\modules\module.py”，第 547 行， 在_force_outplace, return_inputs)(*args, **kwargs) 文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\nn\modules\module.py”，第 547 行， 在调用 结果 = self.forward(*input, **kwargs) 文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\jit__init__.py”，第 323 行，在forward out = self.inner(*trace_inputs) 文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\nn\modules\module.py”，第 545 行，在称呼 结果 = self._slow_forward(*input, **kwargs) 文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\nn\modules\module.py”，行531，在 _slow_forward 文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\nn\modules\module.py”中，第 531 行，在 _slow_forward 结果 = self.forward (*input, **kwargs) 文件“D:\smallobject2\export test s\small_object_detection_master_samirsen\model\faster_rcnn.py”，第 133 行，向前 h，rois，roi_indices) 文件“C:\Users\HP\AppData\ Local\Programs\Python\Python36\lib\site-packages\torch\nn\modules\module.py"，第 545 行，正在调用中 结果 = self._slow_forward(*input, **kwargs) 文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\nn\modules\module.py”，行531，在 _slow_forward 结果 = self.forward(*input, **kwargs) 文件 "D:\smallobject2\export test s\small_object_detection_master_samirsen\model\faster_rcnn_vgg16.py"，第 142 行，在 forward pool = self.roi(x, indices_and_rois）文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\nn\modules\module.py”，第 545 行，调用中 结果 = self._slow_forward(*input, **kwargs) 文件“C:\Users\HP\AppData\Local\Programs\Python\Python36\lib\site-packages\torch\nn\modules\module.py”，行531，在_slow_forward result = self.forward(*input, **kwargs) 文件“D:\smallobject2\export test s\small_object_detection_master_samirsen\model\roi_module.py”，第85行，在forward return self.RoI(x, rois ) RuntimeError: 试图跟踪 RoI，但不支持跟踪遗留函数

由于 ONNX 支持的模型有限，我尝试通过直接分配参数来进行这种转换，但获得的 tensorflow 模型未能显示出预期的精度。详细说明如下：

1. 源模型是在 MNIST 数据集上训练的 Lenet。
2. 我首先通过 model.named_pa​​rameters() 提取每个模块及其参数并将它们保存到一个字典中，其中键是模块的名称，值是参数
3. 然后，我构建并启动了一个具有相同架构的 tensorflow 模型
4. 最后，我将pytroch模型的每一层的参数分配给tensorflow模型

然而，获得的 tensorflow 模型的准确率只有 20% 左右。因此，我的问题是是否可以通过这种方法转换 pytorch 模型？如果是，导致不良结果的可能问题是什么？如果不是，请解释原因。

PS：假设分配程序是正确的。

我正在尝试使用在 Windows 机器上为我的配置文件（env？）安装 condaconda install --name ptholeti onnx -c conda-forge

它因 pip、wheel 和 wincertstore 上的依赖项/版本问题而失败。

github 上的类似问题已被建议创建一个新的环境，似乎是因为 3.7 尚不支持所有必需的。但是这些问题已经存在一年多了，所以我想我遗漏了一些东西。

任何帮助/指导都会很棒。

conda info：

我想将这个 TF 模型：ICNET_0.5 转换为 onnx，我遵循了这个例子：ConvertingSSDMobilenetToONNX

我明白如果我只是想推断我应该使用冻结图（在我的情况下：）frozen_inference_graph.pb所以我将名称更改为savel_model.pb （似乎 tf2onnx 无法识别其他名称）并运行以下错误：

当我运行时：

我认为有些东西指向frozen_inference_graph.pb其他文件，但它不再存在（尽管它说所有权重都在图表内）。

知道出了什么问题吗？

我正在将 onnx 版本的 arcface 模型转换为 tensorrt。我正在关注该过程的官方 nvidia 文档。但是，我收到了分段错误核心转储的错误。请提供您最好的建议。我在jetson nano上运行它。

我一直在尝试从 onnx 格式导入模型以使用 pytorch。我发现很难找到同样的例子。由于 Internet 上的大多数资源都在谈论将 pytorch 模型导出到 onnx。

发现torch.onnx() 只能导出模型，导入方法还没有实现。直接安装 onnx 库，帮助我做 onnx.load("model_name.onnx")。如何将此模型与 pytorch 一起使用？我无法使用 model.to(device="GPU") 将模型移动到 GPU

我正在尝试使用 tf-serving 来部署我的火炬模型。我已将我的手电筒模型导出到 onnx。如何为 tf-serving 生成 pb 模型？

我使用Pix2PixHD训练了一个模型，然后将其导出到 onnx，我想使用 UWP 在 C# 中进行推理。

Pix2PixHD 所需的输入为：

• 1 张语义标签图像（512x1024 灰度）

• 1 个图像实例（512x1024 灰度）

• 训练期间用作热转换器的标签数量（例如“--label_nc 16”）

我可以在 python 中测试我的模型，但我不知道如何在 C# 中绑定它，所以我非常感谢任何帮助。

这就是我在 WinML Dashboard 中的模型：

这就是它在 WinMLRunner 中的样子：

这是从 Visual Studio 生成的代码：

最近更新到 tensorflow 2.0 并且无法将我的 .h5 模型导入 .onnx 。曾经是一个非常简单的程序，但现在我遇到了问题。当我运行以下代码时：

当我运行代码时，出现以下错误

我尝试使用注释掉的行

有没有人遇到过这个问题或知道如何更改该变量来转换模型？感谢任何帮助。